L'IA reconçoit les protéines d'un éditeur génétique pour améliorer l'efficacité du Prime Editing de près de 3x
Des chercheurs ont eu recours à la conception de protéines par intelligence artificielle pour reconstruire des enzymes de prime editing, obtenant jusqu'à 2,9 fois de meilleures performances d'édition génomique chez la souris.
Résumé
L'édition primaire (prime editing) est une technologie d'édition génique précise capable de corriger des mutations de DNA responsables de maladies, sans couper les deux brins de DNA. Des scientifiques du Broad Institute ont utilisé un outil d'intelligence artificielle appelé ProteinMPNN pour reconcevoir le composant transcriptase inverse des éditeurs primaires — le mécanisme moléculaire qui inscrit de nouvelles séquences génétiques. Les versions obtenues par évolution en laboratoire de cette enzyme étaient plus actives, mais instables et faiblement exprimées à l'intérieur des cellules. Les versions reconçues par l'IA ont introduit des dizaines à plus de 150 modifications d'acides aminés tout en préservant le cœur catalytique, donnant lieu à des protéines plus stables et plus abondantes. Testés sur des cellules primaires humaines et administrés à des souris vivantes, ces éditeurs PE8 repensés ont atteint une efficacité d'édition jusqu'à 2,9 fois supérieure à celle des meilleurs éditeurs primaires actuels. Cette avancée offre une stratégie largement applicable à l'amélioration des outils de thérapie génique.
Résumé détaillé
L'édition de précision (prime editing) offre d'immenses perspectives pour corriger les maladies génétiques en réécrivant précisément les séquences DNA sans créer de cassures double brin. Cependant, l'optimisation des éditeurs de précision par évolution dirigée classique en laboratoire a atteint ses limites : les mutations qui améliorent l'activité enzymatique déstabilisent souvent la protéine et réduisent la quantité d'enzyme fonctionnelle produite à l'intérieur des cellules, compromettant ainsi les performances réelles.
Des chercheurs du laboratoire de David Liu au Broad Institute ont abordé ce problème en appliquant la conception de protéines guidée par l'IA. À l'aide de ProteinMPNN, un réseau de neurones de repliement inverse informé par la structure, ils ont systématiquement repensé les domaines de la transcriptase inverse (RT) d'éditeurs de précision déjà optimisés par évolution. L'objectif était de trouver des séquences d'acides aminés qui se replient de manière stable dans la structure tridimensionnelle correcte tout en préservant les régions catalytiques essentielles à la fonction. Les enzymes repensées comportaient entre 30 et 163 substitutions d'acides aminés par rapport à leurs prédécesseurs issus de l'évolution dirigée.
Les résultats ont été frappants. Les variants RT repensés ont montré une stabilité de repliement et une expression soluble améliorées, et ont permis des niveaux de protéines d'éditeur de précision intracellulaires jusqu'à deux fois plus élevés lors d'une administration par mRNA. Dans plusieurs types de cellules primaires humaines et selon différentes modalités d'administration, les nouveaux éditeurs PE8 ont systématiquement surpassé les versions précédentes.
Dans des études chez la souris, les éditeurs PE8 repensés ont atteint des efficacités d'édition jusqu'à 2,9 fois supérieures à celles des éditeurs PE6, PE7 et PEmax de référence — les étalons actuels dans le domaine. Cela représente une avancée significative pour les applications de thérapie génique in vivo.
L'implication plus large est que la reconception de protéines guidée par l'IA peut servir de deuxième couche généralisable au-dessus de l'évolution en laboratoire, compensant les pertes de stabilité et d'expression qui limitent autrement les performances. Ce pipeline pourrait accélérer le développement d'éditeurs génétiques de nouvelle génération pour le traitement des maladies héréditaires. Les réserves à formuler incluent le caractère limité des données publiques au-delà du résumé, ainsi que des questions non résolues concernant la sécurité à long terme et les profils d'édition hors cible.
Principales conclusions
- AI-redesigned reverse transcriptases carried 30–163 amino acid substitutions with improved folding stability and soluble expression.
- Intracellular prime editor protein levels increased up to twofold after mRNA delivery with redesigned enzymes.
- PE8 editors achieved up to 2.9-fold higher editing efficiency in mice versus leading PE6, PE7, and PEmax editors.
- Enhanced performance was demonstrated across multiple human primary cell types and delivery methods.
- AI-guided redesign offers a generalizable strategy to rescue stability losses caused by laboratory evolution.
Méthodologie
L'étude a utilisé ProteinMPNN, un réseau d'IA de repliement inverse informé par la structure, pour reconcevoir les domaines RT d'éditeurs de bases de premier plan évolutivement optimisés, tout en préservant les résidus catalytiques. Les performances ont été évaluées dans des cellules primaires humaines ex vivo selon plusieurs modalités d'administration, ainsi que dans des modèles murins in vivo. Les comparaisons ont été effectuées par rapport aux éditeurs de bases de référence actuels PE6, PE7 et PEmax.
Limites de l'étude
Ce résumé est basé uniquement sur le résumé analytique, le texte intégral de l'article n'étant pas en libre accès. La sécurité à long terme, les profils d'édition hors cible et les réponses immunitaires aux protéines repensées n'ont pas été détaillés publiquement. Des conflits d'intérêts commerciaux existent, plusieurs auteurs étant affiliés à des sociétés d'édition du génome.
Ce résumé vous a plu ?
Recevez les dernières recherches sur la longévité dans votre boîte de réception chaque semaine.
Saisissez votre e-mail pour vous abonner :